| Kods | RA0755 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Nosaukums | Datu zinātne un lielo datu tehnoloģijas | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Statuss | Obligātais/Ierobežotās izvēles | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Līmenis un tips | Pamatstudiju, Profesionālais | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Tematiskā joma | Datorika | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Struktūrvienība | Rēzeknes akadēmija | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Mācībspēks | Pēteris Grabusts | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Kredītpunkti | 6.0 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Daļas | 1 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Anotācija |
Kursā tiek dotas zināšanas par lielo datu analītikas iespējām, datu analītikas nozīmīgumu un pamatprincipiem. Apskatītas populārākās datizraces metodes, to iespējas datu ieguvē un tālākajā analīzē. Dots priekštats par datu vizualizāciju un lielo datu glabāšanas un apstrādes rīkiem.. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa saturs |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Mērķis un uzdevumi, izteikti kompetencēs un prasmēs |
Kursa mērķis ir sniegt informāciju un praktisko pieredzi par izmantotajiem algoritmiem, metodēm un rīkiem lielo datu apstrādē. Iegūtās kompetences: prot pielietot lēmumu analīzes metodes praktiskā datu apstrādē. Iegūtās prasmes: spēja noteikt un izmantot nepieciešamos rīkus konkrētas darbības veikšanai datu analītikā un datu organizēšanā. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Sasniedzamie studiju rezultāti un to vērtēšana |
Zināšanas
Zināšanas par lielo datu īpašībām, veidiem, to iegūšanu, vākšanu, datu analītikas mehānismiem, kā arī par datu pārvaldību, datu stratēģijas īstenošanu un pārskatīšanu
Zināšanas par dažādām lielo datu iegūšanas (datizraces) metodēm
Zināšanas par datu pārvaldību un tās dažādām aplikācijām
Pārzina dažādas datu vizualizācijas metodes
Sasniegta izpratne datu analīzes nozīmīgumu, datu analītikas pamatprincipiem
- Izstrādāts un prezentēts referāts. Nokārtots eksāmens. Prasmes Spēja noteikt un izmantot nepieciešamos rīkus konkrētas darbības veikšanai datu analītikā un datu organizēšanā. Prasme pielietot dažādas lielo datu iegūšanas (datizraces) metodes Iegūta prasme pielietot dažādas datu vizualizācijas metodes - Apgūts Azure rīks, realizēts praktiskais uzdevums. sekmīgi nokārtots eksāmens. Kompetence Prot pielietot lēmumu analīzes metodes praktiskā lielo datu apstrādē Pārzina dažādas datu (t. sk. lielo datu) iegūšanas, uzglabāšanas, apstrādes, analīzes un vizualizācijas koncepcijas un teorijas, veidus, formas un modeļus, kā arī attiecīgos datu apstrādes instrumentus un to lietošanas iespējas - Apache programmatūras komplekta Hadoop iepēju apguve. Nokārtots eksāmens. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju rezultātu vērtēšanas kritēriji |
Dalība un aktivitātes lekcijās - 60%
Eksāmens - 40% |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Priekšzināšanas | Datu bāzes. Mākslīgā intelekta pamati. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa plānojums |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||